NMC Horizon Report > 2017 Higher Education Edition (Korean)
>고등교육 분야에서 에듀 테크의 중대한 발전들
>>도입 기간 전망: 4~5년

인공지능 Artificial Intelligence

도입 기간 전망: 4~5년

서론

요약

고등교육 분야에 기술 도입을 가속화하는 핵심 트렌드

장기 트렌드: 5 년 이상의 기간 동안 고등교육에서의 에듀 테크 도입 추진

 > 혁신 문화 촉진 Advancing Cultures of Innovation
 > 심층 학습법 Deeper Learning Approaches

중기 트렌드 : 향후 3 ~ 5 년간 고등교육에서의 에듀 테크 도입 추진

 > 학습 측정에 대한 관심 증가 Growing Focus on Measuring Learning
 > 학습 공간 재설계 Redesigning Learning Spaces

단기 동향: 향후 1 ~ 2 년간 고등교육에서의 에듀 테크 도입 추진

 > 협력 학습 Collaborative Learning
 > 혼합 학습 설계 Blended Learning Designs

고등교육 분야에 기술 도입을 저해하는 심각한 도전들

해결 가능한 도전: 문제를 이해하고 있고 해결 방법도 알고 있는 문제

 > 디지털 리터러시 증진Improving Digital Literacy
 > 형식과 무형식 학습의 통합 Integrating Formal and Informal Learning

어려운 도전: 문제를 이해하고 있지만 해결 방법을 찾기 어려운 문제

 > 성취도 격차Achievement Gap
 > 디지털 형평성 증진 Advancing Digital Equity

힘겨운 도전: 정의하기도 복잡하고, 언급 조차 잘 안 되는 문제

 > 지식 노후화 관리 Managing Knowledge Obsolescence
 > 교육자의 역할 재검토 Rethinking the Roles of Educators

고등교육 분야에서 에듀 테크의 중대한 발전들

도입 기간 전망: 1년 이하

 > 적응형 학습 기술 Adaptive Learning Technologies
 > 모바일 학습 Mobile Learning

도입 기간 전망: 2~3년

 > 사물 인터넷 The Internet of Things
 > 차세대LMS Next-Generation LMS

도입 기간 전망: 4~5년

 > 자연스러운 사용자 인터페이스 Natural User Interfaces
 > 인공지능 Artificial Intelligence

방법론 Methodology

The 2017 Higher Education Expert Panel

인공지능artificial intelligence(AI) 분야에서 컴퓨터 과학의 발전은 기능을 수행하는 면에서 사람과 흡사한 지능형 기계 개발을 견인하고 .[i] 컴퓨터가 사람 인지, 학습, 의사 결정 과정을 시뮬레이션 하는 지식 공학은 다양한 정보 집합 범주categories, 속성properties, 관계 relationships 대한 접근(처리) 기반하고 있다. 기계 학습machine learning AI 하위 집합으로서 컴퓨터에 명시적으로 프로그래밍하지 않고도 학습할 있는 기능을 제공한다.[ii] AI 연구의 다른 중요 분야 신경망 모델neural networks model 음성과 단어와 같은 특정 입력을 해석하고 반응하는 사람 두뇌의 생물학적 기능을 모델링하는 것이다. 신경망은 음성 인식과 자연어 처리를 통해 사람들이 서로 상호작용하는 방식과 유사하게 사람과 기계가 상호작용할 있는 보다 정교하고 자연스러운 사용자 인터페이스의 가치를 입증하고 .[iii]기반 기술들이 지속적으로 발전하면서 AI 학생들에게 직관적으로 반응하고 참여하는 방식으로 온라인 학습, 적응형 학습 소프트웨어, 연구 프로세스를 향상시킬 있을 것으로 전망된다.

개요
1950년대 이후 기계지능machine intelligence에 대한 판별 기준은 대화와 실제 상황에서 기계와 사람을 구별할 수 있는지 물어보는 튜링 테스트Turing Test였다.[iv] 2014년에는 더 이상 테스트하는 의미가 없어졌으며,[v] AI는 Deakin University가 IBM Watson을 활용하여 연중 무휴(24/7)로 온라인 지원 센터help desk를 운영하는 것처럼 고등교육 분야에서 꾸준히 활용 범위가 확대되고 있다.[vi] 교육 분야에서 AI에 대한 온전한 활용 가능성은 아직 미지수이지만 교육기관들은 소비자 부문의 발전을 통해 충분히 예측할 수 있다. 예를 들어, 가상 비서virtual assistants는 음성 신호를 대화 형태로 해석하고 인간의 상호작용을 반영한다.[vii] Siri, Cortana 같이 스마트폰에 내장된 아바타도 있지만, 원거리 인식이 가능한 마이크를 통해 명령을 듣고 웹에서 정보를 검색하는 Amazon의 Alexa는 독립형 가정용 기기로 유명하다.[viii] 최근에는 사람들의 필요를 충족시키는 자율 기술autonomous technology이 주목을 받고 있는데, Uber는 샌프란시스코 주변의 고객을 안전하게 수송하는 자율 주행 자동차의 시범운행을 시작했다.[ix]

그러나, 이 분야에 대한 사람들의 이해보다 기술 발전이 더 빠르다는 것은 다소 두렵게 만들기도 한다. 본질적으로 AI는 기능 수행에 있어서 복잡하고 불투명하므로 신뢰도를 높이기 위해서는 작동 방법을 구체적으로 알 수 있는 인터페이스가 필요하다. IBM은 이 분야의 선두주자이며, AI 의료 시스템을 위한 이미지와 설명 차트를 발표하였다.[x] 고등교육 분야에는 가상 교사와 정교한 적응형 학습 도구와 같은 기술이 사람과 유사해지더라도 실제 교육자를 대체 할 수는 없을 것이라는 우려가 꾸준히 제기되고 있다.[xi] Cornell University의 교수인 Brandon Hookway는 저서 “Interfaces[xii]에서 “인터페이스 대학Interface University”의 맥락으로 고등교육에 대해 보다 균형 잡힌 미래를 제시하고 있다. 하지만 이러한 관점에서 AI 기반 컴퓨터는 도구가 아니며, 사람과 기기 사이의 평등한 공생 관계 또는 하이브리드 정신과 같이 창의적이고 인지적인 학습 과정을 향상시키는 (좌뇌, 우뇌에 이은) 뇌의 세 번째 반구로 여겨진다.[xiii]

기계학습은 이미 전문 분야와 무형식 학습 분야에서 빠르게 발전하고 있다. Microsoft Research Asia와 Chinese Academy of Sciences가 함께 지원하는 시민 과학 프로젝트인 Smart Flower Recognition System은 중국의 식물 학자들이 스마트폰으로 식물 사진을 찍으면 신속하게 그 식물이 무엇인지 식별할 수 있다. 신경망을 통해 알고리즘은 자동으로 저품질 이미지를 제거하고 90% 이상의 정확도로 사진 데이터베이스에서 해당 식물을 찾아낸다.[xiv] 더 이상 텍스트 기반의 검색이 필요 없으므로 학생과 교수에게 이러한 유형의 프로젝트는 매력적으로 느껴진다. 향후 4~5년 동안 AI의 비용효율성을 높이기 위해서 고등교육 분야는 OpenAI[xv]와 Google의 TensorFlow[xvi]가 제공하는 연산을 위한 오픈소스 코드와 공개 소프트웨어 라이브러리 개발을 시작해야 한다.

교수, 학습, 창의적 탐구와의 관련성
인공지능의 궁극적 목표는 글로벌 인력과 일상생활 속에서 개인을 더 잘 지원해서 생산성과 참여를 높이는 것이다.[xvii] 특히, 교수학습이 점차 온라인으로 진행되면서 고등교육 분야에서 이 기술의 활용 가능성은 더욱 높아지고 있다. 앞서 설명한 적응형 학습은 기본적인 인공지능 알고리즘을 활용하여 맞춤형 학습을 구현하며, 주제에 대한 성과와 참여를 기반으로 학생들의 필요에 가장 적합한 콘텐츠를 제공한다.[xviii] 교육기관들이 학생들의 학습 데이터를 점점 더 많이 수집하게 되면서 대규모의 데이터를 추출하고 분석할 수 있는 도구가 필요한데, Jenzabar[xix]와 IBM SPSS[xx]와 같은 상용 기계 학습 소프트웨어를 활용해서 대학은 학생의 재등록 지원, 재정 지원 프로그램 개선, 학생 등록률 예측 관련 데이터를 해석할 수 있다. 역량 기반 교육과 같은 새로운 방식은 3D 모델링, 자동차 프로토타입 제작과 같은 구체적인 스킬 습득을 평가하고 맞춤형 피드백을 제공하기 위해서 보다 정교한 형태의 AI를 필요로 한다.

고등교육의 맞춤형 교육을 지지하는 사람들, 특히 Bill Gates와 같은 리더들은 AI 교사를 적극 지지한다. 예를 들어, 글쓰기 과제에 대한 철저한 피드백을 제공하는 것은 교수에게는 광범위하고 시간 소모적인 과정일 수 있지만, 가상 교사는 표면적 오류에 대한 검사뿐 아니라 의미, 주제, 논증을 분석해 학생들에게 세분화 된 피드백을 제공할 수 있다. 온라인 교실에서 학생이 특정 주제를 이해하는 데 어려움을 겪고 있다면 교수는 비디오 강의를 중단하고 학습자에게 직접 질문하면서 동영상의 미리보기를 재생해 줄 수 있다.[xxi] 특히, 교수가 한 명씩 주의를 기울이기 어려운 대규모 입문 과정 수업에서 이런 종류의 지원과 멘토링은 학습 격차를 줄일 수 있다. 튀니지의 National School of Engineers of Sousse에서는 학생이 원격 및 가상 실험실에서 과학 실험을 할 때 얼굴 표정을 인식하는 인공지능 기반 교육 시스템AI tutoring system을 연구하고 있다.[xxii]

그러나, AI의 윤리성에 대한 회의론은 기술의 발전을 저해 할지도 모른다. World Economic Forum은 인종 차별과 같은 학습된 편견을 언급하면서 의도하지 않은 결과를 막을 수 있는 인간의 능력에 의문을 제기했다.[xxiii] AI 지지자들은 이러한 이슈들을 해결하기 위해 새로운 기술을 개발할 때 대학을 핵심 인큐베이터로 삼아야 한다고 생각한다. 최근, MIT의 Computer Science and Artificial Intelligence Laboratory는 정지 이미지를 관찰한 후 다음 사건을 시뮬레이션하는 간단한 비디오를 만드는 딥러닝deep learning 알고리즘을 만들었다.[xxiv] 스위스 University of Zurich의 AI 연구소는 실제와 유사한 관절과 힘줄이 있는 휴머노이드 로봇인 Roboy를 개발하고 많은 후속 연구를 진행하고 있는데, 한 가지 예로 인간 두뇌 프로젝트는 과학자와 교수가 로봇용 인간 두뇌를 시뮬레이션하는 것이다.[xxv] AI를 일상 생활에 적용하는 것은 인간과 기계가 보다 자연스럽게 상호작용 하기 위한 자연어 처리 기술의 발전에 달려 있다. Free University of Brussels의 연구진은 의미가 언어와 함께 진화한다고 가정하고 로봇 에이전트가 스스로 언어를 구성하는 방법에 대해 연구하고 있다.[xxvi]

인공지능 실행 사례
다음은 인공지능이 고등교육 환경에 미치는 직접적인 영향에 대한 실제 사례이다.

University of Michigan 인공지능 연구소
go.nmc.org/umail
University of Michigan의 AI연구소는 신체와 인지에 장애가 있는 사람들을 위한 보조 기술의 연구개발에 집중하고 있다. 여러 프로젝트 중 하나는 시각 장애가 있는 사람들을 위해 자동으로 조정되는 컴퓨터 인터페이스 디자인이다.

SAIL-Toyota Research Center
go.nmc.org/sailtoy
Stanford Artificial Intelligence Laboratory는 차세대 지능형 자동차의 연구를 위해 Toyota와 파트너십을 맺었다. 기계학습, 로봇 공학, 자연어 처리를 비롯한 여러 분야의 연구원들이 새로운 알고리즘을 개발하기 위해 협력하고 있다.

University of Cambridge Artificial Intelligence Group (AIG)
go.nmc.org/claiuc
AIG는 유전학, 컴퓨터 학습 이론, 무형식 추론과 같이 다양한 분야에 대한 기계의 패턴 인식 문제의 해결과 그 모델에 대한 실용적인 애플리케이션을 식별하는 강력한 알고리즘을 고민하고 있다.

더 읽을거리
아래 목록은 인공지능에 대한 유용한 참고자료이다.

인공지능이 대학에 혜택을 있는 가지 방법
go.nmc.org/4ways
(Rose Luckin, Times Higher Education, 2016. 8. 9.) 저자는 다른 세 가지 비용 효율성 외에도 학생들이 고등교육을 통해서 복잡한 지능형 시스템을 활용한 작업 방법을 훈련 받을 수 있는데, 사람의 지능을 기계에 어떻게, 어디서 반영해야 하는지를 아는 숙련자는 높은 생산성을 나타낼 수 있다고 말한다.

교육분야에서 인공지능의 미래
go.nmc.org/futai
(Barbara Kurshan, Forbes, 2016. 3. 10.) 교육 분야에서의 AI 기술 발전은 여전히 뒤쳐져 있지만 Google과 같은 대기업은 효율적인 일상 생활을 위해 딥러닝 소프트웨어 개발에 투자하고 있다. 이 기사는 Cornell University와 Brown University의 소규모 작업 수행 방법을 배울 수 있는 로봇 설계 과정을 소개한다.

AI 시대의 고등교육
go.nmc.org/machinesdo
(Joseph E. Aoun, The Washington Post, 2016. 10. 27.) 2016년에 진행된 조사에 따르면 AI 연구자들의 80%가 기계가 인간 지능과 부합하는 수준에 도달할 것이라고 말한다. AI가 의료 진단과 같은 전문 분야에서 점점 더 많은 응용되고 있으므로 저자는 고등교육을 단기적인 이정표로 보지 말고 평생 학습의 매개체로 여기도록 권장한다.

 

 

[i] http://www.computerworld.com/article/2906336/emerging-technology/what-is-artificial-intelligence.html

[ii] http://www.sas.com/en_us/insights/analytics/machine-learning.html

[iii] http://artint.info/html/ArtInt_183.html

[iv] http://whatis.techtarget.com/definition/Turing-Test

[v] https://www.theguardian.com/technology/2014/jun/08/super-computer-simulates-13-year-old-boy-passes-turing-test

[vi] http://www.deakin.edu.au/about-deakin/media-releases/articles/ibm-watson-helps-deakin-drive-the-digital-frontier

[vii] http://www.slate.com/articles/technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html

[viii] http://www.slate.com/articles/technology/cover_story/2016/04/alexa_cortana_and_siri_aren_t_novelties_anymore_they_re_our_terrifyingly.html

[ix] http://www.nytimes.com/2016/12/14/technology/uber-self-driving-car-san-francisco.html

[x] https://www.flickr.com/photos/ibm_research_zurich/albums/72157636361743526/with/10173949393/

[xi] http://www.recode.net/2016/6/22/11985726/robot-teachers-artificial-intelligence-coursera-daphne-koller

[xii] https://mitpress.mit.edu/books/interface

[xiii] https://mitpress.mit.edu/books/interface

[xiv] https://www.microsoft.com/en-us/research/blog/researchers-team-up-with-chinese-botanists-on-machine-learning-flower-recognition-project/

[xv] https://openai.com/about/

[xvi] https://www.tensorflow.org/

[xvii] https://medium.com/@tdietterich/benefits-and-risks-of-artificial-intelligence-460d288cccf3#.4m86dzivv

[xviii] http://er.educause.edu/articles/2016/3/adaptive-learning-platforms-creating-a-path-for-success

[xix] https://www.jenzabar.com/higher-education-solutions/enterprise-resource-planning-erp/

[xx] http://www-01.ibm.com/software/analytics/spss/academic/solutions/administrators.html

[xxi] http://www.theverge.com/2016/4/25/11492102/bill-gates-interview-education-software-artificial-intelligence

[xxii] http://www.sciencedirect.com/science/article/pii/S1877050915034912

[xxiii] https://www.weforum.org/agenda/2016/10/top-10-ethical-issues-in-artificial-intelligence/

[xxiv] https://www.csail.mit.edu/node/2910

[xxv] http://roboy.org/

[xxvi] https://ai.vub.ac.be/research/topics/evolutionary-linguistics